matplotlib
文章平均质量分 69
steelDK
平平无奇,躺平青年;基础知识总是学了就忘,借用平台记录一下自己科研中可能涉及到的一些知识点儿,也希望能帮到有缘人!
展开
-
13、三维图绘制及添加文本
目录1、简述2、3D line plot3、3D Scatter plot4、三维等高线图(3D Contour Plot)5、三维线框图(3D Wireframe plot)6、三维曲面图(3D Surface plot)7、添加文本(Working With Text)1、简述尽管Matplotlib最初设计时只考虑了二维绘图,但在后来的版本中,在Matplotlib的二维显示基础上建立了一些三维绘图实用程序,为三维数据可视化提供了一套工具。通过导入Matplotlib软件包中包含的mplot3d工原创 2021-01-18 16:40:10 · 3304 阅读 · 1 评论 -
12、箱形图和小提琴图的绘制
摘要:箱形图也被称为胡须图,它显示了一组数据的摘要,包括最小值、第一四分位数、中位数、第三四分位数和最大值。在箱形图中,我们从第一个四分位数到第三个四分位数画一个箱形。在中位数处有一条垂直线穿过方框。晶须从每个四分位数到最小值或最大值,如下图实例所示:让我们为boxplots创建数据。我们使用numpy.random.normal()函数来创建假数据。它需要三个参数,正态分布的平均数和标准差,以及所需值的数量。np.random.seed(10)collectn_1 = np.random.norm原创 2021-01-18 16:01:36 · 1356 阅读 · 0 评论 -
11、quiver(x,y,u,v)
摘要:quiver plot以箭头形式显示速度矢量,在点(x,y)处有分量(u,v)。对应的函数如下:quiver(x,y,u,v)参数:参数解释x1D或2D阵列、序列。箭头位置的x坐标y1D或2D阵列、序列。箭头位置的y坐标u1D或2D阵列、序列。箭头向量的x分量v1D或2D阵列、序列。箭头向量的y分量c1D或2D阵列、序列。箭头颜色下面看一个简单的实例:import matplotlib.pyplot as pltimport n原创 2021-01-18 15:54:25 · 1090 阅读 · 0 评论 -
10、等高线图
目录等高线图(有时也叫水平图)是在二维平面上显示三维曲面的一种方法。它将y轴上的两个预测变量X Y和一个响应变量Z绘制成等值线图。这些等高线有时被称为z切片或等值线响应值。如果你想知道Z的变化是如何作为两个输入X和Y的函数,如Z=f(X,Y),等高线图是合适的。两个变量函数的等高线或等值线是一条曲线,该函数的数值是恒定的。独立变量x和y通常被限制在一个叫做meshgrid的规则网格中。numpy.meshgrid可以用x值的数组和y值的数组创建一个矩形网格。Matplotlib API包含conto原创 2021-01-18 15:39:17 · 2314 阅读 · 0 评论 -
9、散点图的绘制
目录散点图用于在水平轴和垂直轴上绘制数据点,以显示一个变量受另一个变量的影响程度。数据表中的每一行都用一个标记来表示,其位置取决于其在X轴和Y轴上设置的列中的值。第三个变量可以设置为与标记的颜色或大小相对应,从而为绘图增加另一个维度。scatter(self, x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=<depre原创 2021-01-18 15:28:40 · 1448 阅读 · 1 评论 -
8、饼图(ax.pie)
目录下表列出了饼状图的各项参数:ax.pie(x, explode=None, labels=None, colors=None, autopct=None, shadow=False, startangle=None, radius=None, textprops=None, ...)x数据序列explode扇形块远离圆心的举例labels数据对应标签autopct用于指定每个扇形块标注文本的样式,比如:定义百分数精度colors颜色shadow原创 2021-01-18 15:12:44 · 2443 阅读 · 0 评论 -
7、matplotlib条形图的绘制
目录1、ax.bar()函数2、绘制单个条形图3、绘制水平交错的条形图4、多个条形图堆叠的绘制5、条形图横向显示1、ax.bar()函数条形图可以垂直或水平绘制。条形图显示离散类别之间的比较。图表的一根轴显示被比较的具体类别,另一根轴代表测量值。Matplotlib中,条形图用以下的函数来画:ax.bar(x, height, width, bottom, align)该函数制作了一个大小为(x -width=2;x+width=2;底;底+高)的约束矩形的条形图。参数解释如下:参数原创 2021-01-15 11:05:18 · 6653 阅读 · 0 评论 -
6、set_xlim、set_ylim、xticks、yticks、set_xlabels、set_ylabels 和 双坐标轴twin()
目录1、set_xlim()、set_ylim()2、 xticks() 、yticks()、set_xlabels()、set_ylabels()3、双坐标轴1、set_xlim()、set_ylim()Matplotlib会自动得出沿x、y(和z轴,如果是3D图)轴显示的变量的最小值和最大值。然而,可以通过使用set_xlim()和set_ylim()函数明确地设置限制。实例如下:下面代码是自动设置轴变量的:import matplotlib.pyplot as pltimport numpy原创 2021-01-13 11:17:02 · 27270 阅读 · 2 评论 -
5、maplotlib中的轴刻度和轴线
文章目录1、轴刻度2、轴线1、轴刻度解决的问题:有时,一个或几个点比大部分数据大得多。在这种情况下,需要将轴的刻度设置为对数刻度,而不是普通刻度。这就是对数比例尺。在Matplotlib中,可以通过设置axes对象的xscale或vscale属性为’log’来实现。有时也需要在轴号和轴标签之间显示一些额外的距离。可以将任一轴(x或y或两者)的labelpad属性设置为所需的值。通过下面的例子来演示上述两种功能。右边的子图有一个对数刻度,左边的一个子图的x轴有更远的标签。import matplotli原创 2021-01-13 10:25:56 · 896 阅读 · 0 评论 -
4、matplotlib中的子图相关subplot
文章目录1、如何创建多个子图2、subplots()函数3、subplot2grid()函数4、grids函数5、tight_layout()本章主要介绍画布中的子图涉及的相关内容。1、如何创建多个子图matplotlib中创建多个子图所用到的函数为:plt.subplot(subplot(nrows, ncols, index)解释: 在当前的图中,函数创建并返回一个Axes对象,其位置索引为nrows乘ncolsaxes的网格。如果nrows、ncols和index都小于10,则索引从1到n原创 2021-01-12 20:05:47 · 1195 阅读 · 0 评论 -
3、plt.figure()和Axes类
Figure类和Axes类本文从介绍一下Figure类和Axes类,以及一些实例。1、Figure类matplotlib.figure模块包含了Figure类。它是所有绘图元素的顶层容器。Figure对象是通过调用pyplot模块中的fig()函数来实例化的。如下所示:fig = plt.figure()它有一下几个参数:参数解释figsize(宽,高),是个元组,表示Figure的大小dpi每英寸的点数,也就是分辨率facecolor图片贴片的颜色原创 2021-01-12 12:05:59 · 2184 阅读 · 0 评论 -
2、matplotlib中的 ax=fig.add_axes([0,0,1,1])详解
转载请附原文地址,谢谢。从结果的角度考察ax=fig.add_axes([0,0,1,1])的作用1、前言:(可跳过)虽然使用matplotlib.pyplot模块可以很容易地快速生成图,但建议使用面向对象的方法,因为它可以为你的图提供更多的控制和定制。大部分的函数也可以在matplotlib.axes.Axes类中使用。使用更正式的面向对象方法背后的主要想法是创建图对象,然后只需调用该对象的方法或属性。这种方法有助于更好地处理画布上有多个图的情况。但是在面向对象的界面中,Pyplot只用于创建图形原创 2021-01-12 11:13:03 · 29141 阅读 · 5 评论 -
1、matplotlib绘制一个简单的图形
翻译自matplotlib英文文档。第一章:使用matplotlib绘制一个简单图形现在我们将在Matplotlib中显示一个简单的弧度角与正弦值的直线图。首先,导入Matplotlib包中的Pyplot模块,为了约定俗成,它的别名为plt:import matplotlib.pyplot as plt接下来我们需要一个数组来绘制。在NumPy库中定义了各种数组函数,它与np别名一起导入:import numpy as np现在我们使用NumPy库中的arrange()函数获得0和2π之间的原创 2021-01-11 15:56:01 · 214 阅读 · 1 评论